手機(jī)玩游戲大作難在哪？硬件性能要加碼，高能效AI同樣關(guān)鍵

十三 2021-10-31 15:17:53 來(lái)源：量子位

蕭簫 發(fā)自 凹非寺

量子位 報(bào)道 | 公眾號(hào) QbitAI

在手機(jī)上就能“云”玩游戲大作，相信不少玩家聽(tīng)了都會(huì)心動(dòng)。

然而，雖然5G已來(lái)，但云游戲這些年的落地效果并不讓人滿(mǎn)意。

確實(shí)已經(jīng)有平臺(tái)能直接做到云玩游戲（不用下載），但畫(huà)質(zhì)低、傳輸延遲高一直很影響游戲玩家的體驗(yàn)。

這是因?yàn)?，即使傳輸速度上去了，如果圖像和視頻處理技術(shù)跟不上，仍然會(huì)給游戲應(yīng)用帶來(lái)很大的延遲。所以，想玩好游戲，答案要從AI里找。

AI技術(shù)的發(fā)展確實(shí)給手游玩家們帶來(lái)了新的希望。

例如，借助本地AI超分辨率技術(shù)，可以使GPU與APU協(xié)同計(jì)算，能夠帶來(lái)畫(huà)質(zhì)的提升，從而提升本地游戲和云游戲體驗(yàn)，并且實(shí)現(xiàn)了性能和功耗的平衡。

△在游戲中采用AI超分辨率算法（示意圖）

問(wèn)題來(lái)了，像移動(dòng)端游戲超分這類(lèi)和AI有關(guān)的技術(shù)都是現(xiàn)階段應(yīng)用就可以實(shí)現(xiàn)的，然而目前真正落地的還非常少。

其中的難點(diǎn)究竟在哪？

移動(dòng)端AI游戲技術(shù)落地，難在哪？

難在硬件對(duì)AI模型的運(yùn)算效率上。

以云游戲?yàn)槔?，如果在本地使用AI技術(shù)實(shí)現(xiàn)游戲超分的同時(shí)，又遇到了其他應(yīng)用也調(diào)用AI計(jì)算，勢(shì)必會(huì)給APU等硬件帶來(lái)巨大的負(fù)荷。

應(yīng)用AI技術(shù)確實(shí)能給游戲玩家?guī)?lái)更好的體驗(yàn)，但得是在手機(jī)硬件能同時(shí)運(yùn)行這么多AI模型，且不影響手機(jī)使用體驗(yàn)的前提下。

面對(duì)這種情況，聯(lián)發(fā)科給出了自己的答案。我們可以清晰的看到，在AI這一步棋上，作為手機(jī)核心提供者的芯片廠商是怎么走的。

近期，聯(lián)發(fā)科對(duì)天璣旗艦技術(shù)做了一系列分享，透露了領(lǐng)先AI技術(shù)優(yōu)勢(shì)背后的關(guān)鍵要點(diǎn)——高能效AI。

相比于不少芯片在AI性能上強(qiáng)調(diào)的峰值A(chǔ)I算力，聯(lián)發(fā)科的高能效AI更強(qiáng)調(diào)處理器的每瓦有效AI性能，這也是聯(lián)發(fā)科在設(shè)計(jì)架構(gòu)和優(yōu)化上的關(guān)鍵指標(biāo)。

如何理解每瓦有效AI性能？

例如，處理器每秒能運(yùn)算這樣4個(gè)單位的AI任務(wù)，然而實(shí)際的4個(gè)單位AI任務(wù)其實(shí)長(zhǎng)這樣：

處理器要想像俄羅斯方塊一樣靈活地分配AI性能，就必須要有良好的任務(wù)排程，充分運(yùn)用好每一個(gè)計(jì)算單元發(fā)揮有效算力，這就是“每瓦有效AI性能”強(qiáng)調(diào)的AI處理能力。

除了能提升AI本身的處理能力以外，“高能效AI”還滿(mǎn)足了移動(dòng)端用戶(hù)的另一核心需求：

用戶(hù)在使用手機(jī)時(shí)，耗電量和應(yīng)用體驗(yàn)往往需要“兼得”。

像超分辨率等技術(shù)采用的AI模型，即使效果再好，如果在運(yùn)行時(shí)給用戶(hù)帶來(lái)耗電量大幅增加、或是其他性能急劇下降的問(wèn)題，就會(huì)極大地影響手機(jī)等移動(dòng)設(shè)備的使用體驗(yàn)。聯(lián)發(fā)科的高能效AI則可以很好地解決這個(gè)問(wèn)題，為用戶(hù)帶來(lái)體驗(yàn)上的提升。

那么芯片廠商如何提升每瓦有效AI性能？

如何實(shí)現(xiàn)高能效AI？

我們主要從硬件和軟件兩個(gè)方面來(lái)看。

硬件上，針對(duì)每瓦有效AI性能這一指標(biāo)，聯(lián)發(fā)科在對(duì)自家APU架構(gòu)進(jìn)行評(píng)測(cè)時(shí)，會(huì)加入比模型運(yùn)算（速度、準(zhǔn)確率）更多的具體指標(biāo)，以提升硬件同時(shí)處理多個(gè)模型的能力。

目前的大多AI Benchmark，基本都是針對(duì)單個(gè)模型在處理器上的運(yùn)算速度、或是準(zhǔn)確率，像語(yǔ)義分割、目標(biāo)檢測(cè)、語(yǔ)音識(shí)別等CV和NLP任務(wù)。

然而現(xiàn)實(shí)場(chǎng)景中，無(wú)論是游戲超分、還是更復(fù)雜的其他手機(jī)功能，在處理器上運(yùn)行的AI模型都不止一個(gè)。

單方面追求某一個(gè)模型的速度和準(zhǔn)確率，在實(shí)際進(jìn)行AI模型運(yùn)算時(shí)，處理器就容易翻跟頭，出現(xiàn)處理時(shí)間延長(zhǎng)、發(fā)燙或是掉幀等情況，用戶(hù)體驗(yàn)大打折扣。

為了保證用戶(hù)的優(yōu)質(zhì)體驗(yàn)，聯(lián)發(fā)科提出了用AI Burnout應(yīng)用程序來(lái)對(duì)APU等處理器進(jìn)行多AI模型處理性能測(cè)試。

具體來(lái)說(shuō)，AI Burnout會(huì)像模擬真實(shí)場(chǎng)景一樣，讓處理器重復(fù)進(jìn)行大量運(yùn)算直至停止，來(lái)測(cè)試處理器在同時(shí)運(yùn)行多個(gè)AI模型時(shí)，是否會(huì)出現(xiàn)急劇發(fā)熱、或是急劇降低的情況，并據(jù)此進(jìn)行優(yōu)化，展現(xiàn)了真實(shí)的AI性能和功耗。

據(jù)聯(lián)發(fā)科介紹，通過(guò)這種方式，他們確實(shí)將APU的功耗限制在了1w左右，運(yùn)算多個(gè)AI模型時(shí)也不會(huì)導(dǎo)致明顯的發(fā)燙發(fā)熱現(xiàn)象。

在Al Burnout測(cè)試中，搭載第三代APU的天璣1200獲得了接近450幀/秒的成績(jī)，同時(shí)溫度一直保持在40℃以下（用于做對(duì)比分析的競(jìng)品不足250幀/秒，最高溫度突破45℃），成績(jī)亮眼，對(duì)聯(lián)發(fā)科高能效AI在功耗和性能方面的優(yōu)秀表現(xiàn)做出了佐證。

當(dāng)然，除了APU自身表現(xiàn)以外，還需要在架構(gòu)設(shè)計(jì)時(shí)考慮APU與各處理器之間的協(xié)同效率，進(jìn)一步優(yōu)化AI模型的處理速度。

軟件上，硬件廠商也需要設(shè)計(jì)對(duì)應(yīng)的處理平臺(tái)，讓AI算法“更快地”適應(yīng)硬件架構(gòu)。

聯(lián)發(fā)科推出的NeuroPilot人工智能平臺(tái)，就針對(duì)AI模型做出了更好的優(yōu)化。

一方面，該平臺(tái)支持目前所有的AI主流框架，同時(shí)針對(duì)模型多任務(wù)處理進(jìn)行軟件層上的優(yōu)化，使得采用不同框架編寫(xiě)的AI模型，也能共同高效運(yùn)行；

另一方面，該平臺(tái)可提供Platform-aware工具鏈，使得移動(dòng)廠商在開(kāi)發(fā)APP初期，就可以針對(duì)平臺(tái)特性進(jìn)行對(duì)應(yīng)的算法優(yōu)化，進(jìn)一步提升AI模型的運(yùn)算效率。

△聯(lián)發(fā)科MediaTek NeuroPilot

通過(guò)聯(lián)發(fā)科NeuroPilot人工智能平臺(tái)與其AI處理器APU的配搭，二者結(jié)合可實(shí)現(xiàn)高能效AI表現(xiàn)，也進(jìn)一步給移動(dòng)端提供了更豐富的想象空間。

比如在超分辨率技術(shù)的基礎(chǔ)上，結(jié)合其他AI技術(shù)提升傳輸效率的同時(shí)，功耗還不發(fā)生明顯增加。同時(shí)，為直播、特效拍照、實(shí)時(shí)光追提供了更高的技術(shù)上限；

在5G傳輸時(shí)，AI算法能針對(duì)5G耗電大的情況進(jìn)行智能優(yōu)化，同時(shí)結(jié)合VR等AI技術(shù)，在手機(jī)上實(shí)現(xiàn)智能視頻通話(huà)、虛擬3D應(yīng)用也并非完全不可能；

在面對(duì)夜景拍攝這種需要AI模型大幅提升畫(huà)質(zhì)的場(chǎng)景時(shí)，高能效AI技術(shù)使得手機(jī)拍攝也不會(huì)出現(xiàn)明顯快速掉電現(xiàn)象，同時(shí)將功率穩(wěn)定控制在一定范圍內(nèi)……

△AI攝影應(yīng)用（示意圖）

從游戲、5G到拍照等多媒體場(chǎng)景，聯(lián)發(fā)科帶來(lái)的高能效AI實(shí)現(xiàn)，又進(jìn)一步拓寬了我們對(duì)手機(jī)AI應(yīng)用的想象。

未來(lái)手機(jī)AI的新浪潮

事實(shí)上，智能手機(jī)對(duì)AI應(yīng)用的依賴(lài)程度，可能比我們想象得要更高。

就在前段時(shí)間，谷歌發(fā)布了最新的手機(jī)芯片Tensor。

相比于芯片性能和參數(shù)，谷歌在Tensor中加入了大量的AI技術(shù)支持。

例如之前的智能通話(huà)、語(yǔ)音實(shí)時(shí)翻譯、照片去模糊、智能擦除等AI技術(shù)，谷歌都將之直接集成到了手機(jī)芯片中，并以此作為芯片的核心亮點(diǎn)。

雖然Tensor芯片更多是被搭載在谷歌自身的Pixel 6和Pixel 6 Pro手機(jī)上，但它所透露出來(lái)的信號(hào)不言而喻。

很明顯，AI技術(shù)正在智能手機(jī)中占據(jù)著越來(lái)越重要的地位。

在硬件性能提升的同時(shí)，如何讓手機(jī)盡可能搭載更多AI模型、如何合理對(duì)AI模型進(jìn)行融合來(lái)實(shí)現(xiàn)更多功能，正在成為智能廠商追逐的趨勢(shì)之一。

反過(guò)來(lái)看，更豐富的AI技術(shù)，勢(shì)必又會(huì)對(duì)智能硬件本身提出更高的要求。

隨著AI愈發(fā)成為手機(jī)中勢(shì)不可擋的技術(shù)趨勢(shì)，手機(jī)硬件也不應(yīng)當(dāng)只通過(guò)提升算力這一條路徑去提升優(yōu)化空間，而應(yīng)該聚焦于實(shí)際體驗(yàn)，開(kāi)辟如聯(lián)發(fā)科“高能效AI”這樣的更新思路。

換而言之，硬件不僅要去“適應(yīng)”AI技術(shù)本身，而是更應(yīng)當(dāng)理解AI背后的邏輯，并以此“延伸”AI技術(shù)背后的技術(shù)脈絡(luò)。

從發(fā)展路線(xiàn)來(lái)看，聯(lián)發(fā)科在“高能效AI”上，已經(jīng)進(jìn)行了相當(dāng)長(zhǎng)時(shí)間的技術(shù)儲(chǔ)備，這一布局相比于一味提升峰值A(chǔ)I算力，更具實(shí)用價(jià)值：

包括天璣1000+在內(nèi)的多款天璣移動(dòng)平臺(tái)先后登頂蘇黎世AI-Benchmark的移動(dòng)芯片排行榜，同時(shí)在硬件架構(gòu)和軟件設(shè)計(jì)上，聯(lián)發(fā)科針對(duì)高能效這一方向進(jìn)行了不少自研技術(shù)優(yōu)化……

如今聯(lián)發(fā)科的下一代天璣旗艦處理器將要發(fā)布，隨著AI技術(shù)的演進(jìn)，又會(huì)有怎么樣的顛覆性創(chuàng)新和升級(jí)？我們拭目以待。